realme x2 深度测试打不开_从零开始配置个人深度学习小站

目录

硬件配置及安装
相关软件安装

背景

2020年疫情让我们在家中，这让我开始为自己动手配置一台深度学习主机。因为并没有什么钱，但是对性能还是有一定要求的，最终选择了8000元左右的装机配置。

硬件配置

所有硬件和价格计算以京东价参考并附上了相关链接

时间：2020年初

所有硬件总价格：￥8845.1

不算键盘、鼠标、显示器价格：￥7983.3

主板：技嘉（GIGABYTE）B365 M AORUS ELITE ￥698

CPU：英特尔（Intel）i5 9400F 酷睿六核 盒装CPU处理器 ￥1199

显卡：技嘉(GIGABYTE)GeForce RTX 2070 SUPER GAMING OC 3X 8G 256bit ￥4199.8

内存：金士顿(Kingston) DDR4 2666 8GB 台式机内存条 骇客神条 x2 ￥289 x2 = ￥578

固态硬盘：金士顿(Kingston) 240GB SSD固态硬盘 SATA3.0接口 A400系列 ￥289

机械硬盘：Seagate/希捷 电脑机械硬盘台式机 1T ￥299

电源：安钛克(Antec)VP650铜牌 台式机电脑主机机箱电源铜牌650W ￥459.8

机箱：爱国者（aigo）YOGO M2钛灰色 游戏药丸MINI电脑机箱 ￥189

机箱风扇：先马（SAMA）游戏风暴 12CM无光 机箱风扇 x2 ￥15.9 x2 = ￥31.8

CPU风扇：九州风神（DEEPCOOL） 玄冰300CPU散热器 ￥39.9

键盘：罗技（Logitech）K120键盘有线键盘 ￥49.9

鼠标：戴尔（DELL）MS116 有线鼠标商务办公 ￥22.9

显示器：飞利浦 三代 23.6英寸 ￥789

硬件装机

跟着视频装机是最方便的

硬件茶谈在 bilibili 里的这个视频【装机教程】这可能是你能在网上找到最详细的装机教程 ，对电脑组装讲的非常好，建议装机前看一遍，装的时候也可以跟着走

另外，我因为买的是 CPU 盒装，暂时没买单独 CPU 风扇，Intel CPU 自带风扇安装，请看这里 从零开始学装机 教你如何安装CPU风扇

系统安装

Windows 10 系统安装，和上面一样推荐硬件茶谈在 bilibili 的视频 超详细WIN10系统安装教程

这里我不建议用PE，直接系统安装就好了，并不麻烦，而且我心里感觉这样安装一直比PE好一些的

显卡驱动安装/更新

因为 Win10 一般会自动为我们安装一个驱动，所以这里我们一般更新一下

英伟达驱动程序

笔记本需要选 notebooks，其他的按照自己的显卡型号

CUDA Toolkit 安装

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题（百度百科）。

简单来说 CUDA 是帮助我们的深度学习程序访问和利用 GPU 计算的一个框架

在这里下载 CUDA Toolkit

cuDNN 安装

cuDNN 是 CUDA toolkit 中对于深度神经网络的另外一个库，但是我们需要手动把他们加入 CUDA 中

在这里注册、并下载 NVIDIA cuDNN

下载解压后，将 bin, include, lib 中的文件收到拷贝到前面安装 cuda toolkit 的对应文件夹中

创建 Python 环境

安装 Anaconda Downloads - Anaconda

创建环境 conda create -n pytorch pip python=3.7

安装 PyTorch

进入刚刚创建的 conda 环境 conda activate pytorch

安装 PyTorch conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

安装 PyCharm IDE

下载 PyCharm Community

新建 project，配置 existing environmnet 为刚刚创建的 conda 环境 ，路径大致为 Anaconda3envpytorchpython.exe（这里需要找到，anaconda的目录，然后找env，最后找到刚刚装机的环境名字为pytorch里的 python 作为解释器）

测试 pytorch 和 cuda

任意进入 python 环境

# 测试 pytorch
import torch
x = torch.rand(5,3)
print(x)           # 有一个5x3 的矩阵输出

# 测试cuda
torch.cuda.is_available()  # 期待结果为 True

参考

windows10下安装GPU版pytorch简明教程